AI Engineer onepage/ Aiden × Parameter Golf
Zhengyao Jiang · Weco AI · 16:16
這支影片在講：自主研究 Agent 如何在公開競賽裡變成第一貢獻者
OpenAI 的 Parameter Golf 要求參賽者在 16MB 限制下訓練最好的小型語言模型。Weco 的 Aiden 在 22 天內合併 7 項紀錄、貢獻量超過第二名兩倍；重點不只是排行榜，而是它如何與公開社群互相推進研究。
Published: 2026-07-16Video ID: iCj_ATyThvc
01 / 問題
研究迭代太慢
小模型競賽的改進來自大量訓練、測試與微小設計變動；人類很難同時維持足夠的實驗吞吐與細節追蹤。
02 / 反轉
Agent 能連續搜尋
Aiden 以自動化 hill-climbing 跑完實驗、比較結果、再提出下一輪修改；它擅長把候選方向轉成可重複的執行迴圈。
03 / 解法
把它放進社群回路
公開 record 不只是分數：其他人可閱讀、重組與延伸。Agent 的產出與人類架構直覺在同一個共享的研究表面上迭代。
Signals
影片最值得抓的四個數字與設計轉折
Constraint
16MB
Parameter Golf 以嚴格模型大小上限，迫使所有改進都必須有實質效率。
Community
1,000+
超過一千名研究者參與；它同時是公開競賽，也是 OpenAI 的人才篩選場域。
Aiden record
7
22 天內合併的紀錄數，比任何其他參與者多逾兩倍。
Time horizon
22 days
這段公開實驗讓人看見：agent 能把研究步驟壓縮到持續、不間斷的搜尋流程。
Core story
Aiden 的成績，拆開來看是三種能力的組合
能力 1
執行：把每個假設變成可跑的實驗
自主 agent 的第一個優勢不是神奇靈感，而是能持續訓練、量測、比較與保留有效變動。當研究瓶頸在實驗迴圈，穩定吞吐本身就是競爭力。
能力 2
搜尋：沿著結果做局部爬坡，而非憑直覺停下來
Weco 把工作描述為 automated hill climbing with LLMs。關鍵設計是把候選變更、評估結果與下一輪選擇串起來，讓探索可以累積，而非每次從零開始。
能力 3
協作：將別人的紀錄視為可組合的研究資產
演講最重視的是社群互動：人類與 agent 都能接續、改寫、引用先前做法。這使排行榜成為共享的外部記憶，而不是只屬於單一參賽者的封閉分數。
Human role
Agent 擅長拉高吞吐；人類仍決定要爬哪一座山
先把 eval 設對，才值得加速若分數不能代表真正目標，agent 只會更快地最佳化錯的方向。評估、資料切分與成功定義必須先能承受大量搜尋。
抽象與架構選擇仍是高槓桿點模型結構、tokenization、資料管線與 API 邊界會改變可探索空間。這些不是單純多跑實驗就自然浮現的前提。
公開可讀的中間成果能放大價值record、實驗理由與可重現設定若可被他人理解，單次改進就會變成下一位人類或 agent 的起點。
把 agent 當研究隊友，不是黑箱作者保留實驗 trace、比較基準與人工 review 點，才能知道它的貢獻是可靠發現，還是偶然、資料洩漏或評估漏洞。
Use this checklist
如果你要把 agent 放進研究或工程迴圈，先檢查這五點
任務能否拆成可重跑的提出—執行—評估回路？先把每輪的輸入、輸出與停止條件產品化；不能穩定重跑的工作不適合直接交給長時間 agent。
評估指標是否真的對齊你要的成果？除了單一 leaderboard 分數，也要設品質、成本、泛化與安全護欄，避免搜尋只鑽進 proxy metric。
人類在哪裡提供架構、約束與新問題？明訂何時由人改變假設空間、審核結果或決定是否投入更多算力；不要把高層判斷藏在模糊 prompt 裡。
每個實驗是否有可追溯的設定與證據？記錄資料、版本、指令、指標與產物，讓好結果可重現、壞結果可診斷，也讓協作者能接手。
產出能否被團隊或社群再利用？把成功的改動、失敗模式與設計理由整理成共享資產；這是讓 agent 吞吐轉化為組織學習的最後一哩。
Source video
原影片與章節
0:00–7:41｜競賽、Aiden 與 auto-research介紹 Parameter Golf、Weco AI、Aiden 的社群影響，以及自主搜尋的速度與效率。
9:06–14:38｜人類設計與新一代工程技藝從 Karpathy 的比喻、eval 與抽象談到資料管線與 strict API abstraction，最後收束為 AI engineer 的新 craft。